基于Gabor小波与PCA的人脸识别研究

【摘要】：人脸识别是二十多年来在人工智能和模式识别当中的一个重要的研究领域,在图像处理、模式识别、机器学习和计算机视觉等方面已经有了一些应用成果。其在档案管理、系统安全、信用卡验证、刑事识别、银行和海关监控、人机交互等领域有着广阔的应用前景。本文介绍了人脸识别的研究意义,研究内容、发展现状以及人脸识别方法的主要分类等。对经典的人脸识别方法,如PCA、LDA、2DPCA、2DLDA及Gabor小波变换的特点及其主要的应用作了重点介绍。 本文在分析了PCA与Gabor小波的各自的特点,针对二维Gabor小波变换后特征维数过高、识别时间无法满足实时性要求的问题,本文采用了两种方式将PCA和Gabor小波结合起来,第一种是将人脸库当中的图像进行预处理、下采样等,将采样得到的降维图像与Gabor小波进行卷积,提取到每幅图像的不同方向、尺度的40个Gabor小波特征,再用PCA技术对上述图像特征进行降维,最后通过基于欧氏距离的最近邻分类器进行人脸识别。第二种是先将人脸库当中的图像与Gabor小波进行卷积,提取到每幅图像对应不同方向、尺度的40个Gabor小波特征,将每个特征进行下采样,并利用主成分分析PCA算法进行降维处理,最后通过基于欧氏距离的最近邻分类器进行人脸识别。 本文采用国际通用的标准人脸库ORL进行人脸识别,实验表明,本文提出的两者结合的人脸识别算法都具有较好的识别率与准确率,达到了预期的效果。